Trabajo final del Diplomado en AI & DL Universidad Nacional de Colombia

Clasificación de cambios de coberturas vegetales en imágenes de satélite Sentinel-2 en los humedales de Bogotá

Fecha: Mayo de 2021

Autores: Samuel Mesa, Wilgen Correa

Cargar librerias

Realizar el cargue de imágenes y las áreas de enetrenamiento

Bandas a seleccionar de la imagen de entrada de SENTINEL-2, con remuestreo a 10 m de resolución espacial

  1. B2 (Blue)
  2. B3 (Green)
  3. B4 (Red)
  4. B5 (Veg. red edge)
  5. B6 (Veg. red edge)
  6. B7 (Veg. red edge)
  7. B8 (NIR)
  8. B8A (Narrow NIR)
  9. B11 (SWIR)
  10. B12 (SWIR)

La estructura de directorios es el siguiente.

Se define la selección de bandas de entrenamineto y salida para todo el proceso

Anáisis exploratorio de datos

Despliegue de imágenes y análisis exploratorio

Despliegue de las áreas de entrenamiento

Entrenamineto de la red neuronal

Dividir las areas de entrenamineto y validación

Predicciones

Predicciones en la imagen

Evaluaciones

Métricas de evaluación de la clasificación

Implmenetación

Implementación dle modelo

Para imágenes SENTINEL se recomiendan los siguientes índices de vegetación:

Normalized Difference Vegetation Index (NDVI)

$$NDVI = (B8 – B4) / (B8 + B4)$$

Green Normalized Difference Vegetation Index (GNDVI)

$$GNDVI = (B8 – B3) / (B8 + B3)$$

Enhanced Vegetation Index (EVI)

$$EVI = 2.5 * (B8 – B4) / ((B8 + 6 * B4 – 7.5 * B2) + 1))$$

Advanced Vegetation Index (AVI)

$$AVI = [B8 * (1 – B4)*(B8 – B4)]^(1/3)$$